Otimização de consultas usando restrições de chave primária

As restrições de chave primária, que capturam relacionamentos entre campos em tabelas, podem ajudar os usuários e as ferramentas a compreender os relacionamentos em seus dados. Esse artigo contém exemplos que mostram como você pode usar chaves primárias com a opção RELY para otimizar alguns tipos comuns de consultas.

Adicionar restrições de chave primária

Você pode adicionar uma restrição de chave primária em sua instrução de criação de tabela, como no exemplo a seguir, ou adicionar uma restrição a uma tabela usando a cláusula ADD CONSTRAINT.

CREATE TABLE customer (
  c_customer_sk int,
  PRIMARY KEY (c_customer_sk)
  ...
  )

Nesse exemplo, c_customer_sk é a chave de ID do cliente. A restrição de chave primária especifica que cada valor de ID do cliente deve ser exclusivo na tabela. O Azure Databricks não impõe restrições importantes. Eles podem ser validados por meio de seu pipeline de dados existente ou ETL. Confira Gerenciar a qualidade dos dados com expectativas de pipeline para saber mais sobre as expectativas de uso em tabelas de streaming e exibições materializadas. Veja Restrições no Azure Databricks para saber mais sobre como trabalhar com restrições em tabelas Delta.

Use RELY para habilitar otimizações

Quando você sabe que uma restrição de chave primária é válida, você pode habilitar otimizações com base na restrição especificando-a com a opção RELY. Consulte ADD CONSTRAINT cláusula para obter a sintaxe completa.

A opção RELY permite que o Azure Databricks explore a restrição para reescrever consultas. As otimizações a seguir só poderão ser executadas se a opção RELY for especificada em uma cláusula ADD CONSTRAINT ou instrução ALTER TABLE.

Usando ALTER TABLE, você pode modificar a chave primária de uma tabela para incluir a opção RELY , conforme mostrado no exemplo a seguir.

ALTER TABLE
  customer DROP PRIMARY KEY;
ALTER TABLE
  customer
ADD
  PRIMARY KEY (c_customer_sk) RELY;

Exemplos de otimização

Os exemplos a seguir estendem o exemplo anterior que cria uma tabela customer em que c_customer_sk é um identificador exclusivo verificado denominado PRIMARY KEY com a opção RELY especificada.

Exemplo 1: Elimine agregações desnecessárias

Veja a seguir uma consulta que aplica uma operação DISTINCT a uma chave primária.

SELECT
  DISTINCT c_customer_sk
FROM
  customer;

Como a coluna c_customer_sk é uma restrição PRIMARY KEY verificada, todos os valores na coluna são exclusivos. Com a opção RELY especificada, o Azure Databricks pode otimizar a consulta não realizando a operação DISTINCT.

Exemplo 2: Elimine junções desnecessárias

O exemplo a seguir mostra uma consulta onde o Azure Databricks pode eliminar uma junção desnecessária.

A consulta une uma tabela de fatos store_sales com uma tabela de dimensões, customer. Ele executa uma junção externa esquerda, de modo que o resultado da consulta inclui todos os registros da tabela store_sales e registros correspondentes da tabela customer. Se não houver registro correspondente na tabela customer, o resultado da consulta mostrará um valor NULL para a coluna c_customer_sk.

SELECT
  SUM(ss_quantity)
FROM
  store_sales ss
  LEFT JOIN customer c ON ss.customer_sk = c.c_customer_sk;

Para entender por que essa junção é desnecessária, considere a instrução de consulta. Requer apenas a ss_quantity coluna da tabela store_sales. A tabela customer é unida em sua chave primária, então cada linha de store_sales corresponde no máximo a uma linha na customer. Como a operação é uma junção externa, todos os registros da tabela store_sales são preservados, portanto a junção não altera nenhum dado dessa tabela. A agregação SUM é a mesma, independentemente de essas tabelas estarem unidas ou não.

Usar a restrição de chave primária com RELY fornece ao otimizador de consulta as informações necessárias para eliminar a junção. A consulta otimizada se parece mais com isso:

SELECT
  SUM(ss_quantity)
FROM
  store_sales ss

Próximas etapas

Veja Visualize o Diagrama de Relacionamento de Entidades para saber como explorar relacionamentos de chave primária e chave estrangeira na UI do Catalog Explorer.